Nano Banana Pro で ストーリー漫画の作成を試す｜npaka
「Nano Banana Pro」で ストーリー漫画の作成を試してみました。 1. Nano Banana Pro で ストーリー漫画の作成を試す作成した漫画は、次のとおりです。 2. Nano Banana Pro で ストーリー漫画の作成手順2-1. キャラクター設定画像の作成「Nano Banana Pro」でキャラクター設定画像 (1K) を作成します。 設定は「ChatGPT」と相談して作成しました。 キャラクター設定の画像を作成して。 ## 琴音こだま（主人公） - 高校1年生女子 - 極度のコミュ障／人見知り - 身長150cm - ピンクロング、猫背ぎみ - ストリートファイター2の異様な上手さが取り柄 - ゲームパッドを抱えて生活している - ふだんはぼそぼそ喋るが、対戦中は豹変 # 美咲（サブキャラ／友達役） - 同級生女子 - 黄色ポニーテール - 明るい／人当たりが
GPT-5.1 の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・GPT-5.1: A smarter, more conversational ChatGPT 1. はじめに本日、GPT-5シリーズを以下のバージョンにアップグレードしました。 ・GPT-5.1 Instant 最もよく使われているモデルで、より温かみがあり、よりインテリジェントになり、ユーザーの指示に的確に応えられるようになりました。 ・GPT-5.1 Thinking 高度なReasoningモデルで、より理解しやすく、単純なタスクではより高速に、複雑なタスクではより粘り強く対応できるようになりました。 優れたAIは、賢いだけでなく、会話を楽しめるものでなければならないというユーザーの声を、私たちは明確に聞きました。「GPT-5.1」は、知性とコミュニケーションスタイルの両方において飛躍的な向上を遂げています。 また、ChatGPT
ChatGPT および API統合 のためのMCPサーバ構築｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Building MCP servers for ChatGPT and API integrations 1. はじめに「MCP」は、AIモデルに追加ツールや知識を拡張するための業界標準となりつつあるオープンプロトコルです。「リモートMCPサーバ」は、インターネット経由でモデルを新しいデータソースや機能に接続するために使用できます。 このガイドでは、プライベートデータソース (ベクターストア) からデータを読み取り、API経由でChatGPTで利用する「リモートMCPサーバ」の構築方法について説明します。 【注意】開発者モードベータ版では、完全なMCPコネクタを構築して使用できます。ProおよびPlusユーザーは、「設定 → コネクタ → 詳細設定 → 開発者モード」を有効化してください。 2. データソースの設定「リモートMCPサーバ
Sora 2 プロンプトガイド｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Sora 2 Prompting Guide 1. プロンプトする前に「プロンプト」は、ストーリーボードを見たことがない撮影監督に指示を出すようなものです。詳細を省略すると、彼らは即興で作業することになり、思い描いた通りの結果が得られない可能性があります。ショット (映像のカット) で何を達成すべきかを具体的に伝えることで、モデルにより多くのコントロールと一貫性を与えることができます。 しかし、一部の詳細を伏せておくことも同様に効果的です。モデルにより多くの創造的自由を与えることで、驚くべきバリエーションや、予想外の美しい解釈が生まれる可能性があります。どちらのアプローチも有効です。 「詳細なプロンプト」はコントロールと一貫性を与え、「簡潔なプロンプト」は創造的な結果を生み出す余地を残します。 適切なバランスは、制作者の目標と目指す結果に
AgentKit の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Introducing AgentKit 1. はじめに「AgentKit」は、エージェントを構築・展開・最適化するための包括的なツールセットです。エージェントの構築には、断片化されたツールを巧みに組み合わせる必要がありました。バージョン管理のない複雑なオーケストレーション、カスタムコネクタ、手動による評価パイプライン、プロンプトチューニング、リリース前の数週間に及ぶフロントエンド作業などです。「AgentKit」を使用すると、開発者はワークフローを視覚的に設計し、次のような新しいビルディングブロックを使用して、エージェントUIをより迅速に組み込むことができます。 ・Agent Builder マルチエージェントのワークフローの作成とバージョン管理のためのビジュアルキャンバス ・Connector Registry 管理者がOpenAI製
AGENTS.md の概要｜npaka
コーディングエージェントのためのオープンフォーマット「AGENTS.md」についてまとめました。 1. AGENTS.md「AGENTS.md」は、コーディングエージェントを効率的に利用するための、シンプルでオープンなフォーマットです。2万以上のオープンソースプロジェクトで採用されています。 「AGENTS.md」は、コーディングエージェント向けの「README」のようなものです。 ・README.md クイックスタート、プロジェクトの説明、貢献ガイドラインなど、人間のためのファイルです。 ・AGENTS.md コーディングエージェントに必要な、ビルド手順、テスト、規約など、README では分かりにくくなったり、人間の貢献者には関係のない、詳細なコンテキストを追加することで、人間のためのファイルを補完します。 意図的に「AGENTS.md」分離したのは、以下の理由からです。 ・エージェン
OpenAI Codex CLI のクイックスタート｜npaka
「OpenAI Codex CLI」のクイックスタートをまとめました。 1. Codex CLI「Codex CLI」は、OpenAI のコーディングエージェントで、ローカルコンピュータ上で動作します。 2. セットアップ2-1. Codex CLIのインストールと実行(1) Codex CLIのインストール。 npm install -g @openai/codex(2) codex の実行。 codex2-2. ChatGPTプラン での Codex CLI の使用「Codex CLI」を起動し、「ChatGPTでサインイン」を選択してください。Plus、Pro、Team、Edu、Enterpriseプランで「Codex CLI」を利用するには、ChatGPTアカウントでのサインインを推奨します。ChatGPTプランに含まれる内容については、こちらを参照してください。 「OpenAI
MCP Python SDK のドキュメント｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・modelcontextprotocol/python-sdk 1. 概要「MCP」を使用すると、アプリケーションは標準化された方法でLLMにコンテキストを提供できます。これにより、コンテキストの提供とLLMとの実際のやり取りを分離できます。「Python SDK」はMCP仕様を完全に実装しており、以下のことが容易になります。 ・任意のMCPサーバに接続できるMCPクライアントの構築 ・リソース、プロンプト、ツールを公開するMCPサーバの作成 ・stdio、SSE、Streamable HTTPなどの標準トランスポートの使用 ・すべてのMCPプロトコルメッセージとライフサイクルイベントの処理 2. インストール2-1. PythonプロジェクトにMCPを追加Pythonプロジェクトの管理には「uv」が推奨されています。 (1) プロジェク
MCP Inspector の使い方｜npaka
「MCP Inspector」の使い方をまとめました。 ・Inspector 1. MCP Inspector「MCP Inspector」は、MCPサーバのテストとデバッグのためのインタラクティブな開発ツールです。デバッグガイドでは、「MCP Inspector」をデバッグツールキット全体の一部として扱っていますが、この記事では、、「MCP Inspector」の機能と可能性について説明します。 2. 基本的な使い方2-1. インストール「MCP Inspector」はインストールを必要とせず、npx を介して直接実行できます。 npx @modelcontextprotocol/inspector <command>npx @modelcontextprotocol/inspector <command> <arg1> <arg2>2-2. npm または pip からサーバを検査np
Gemma 3 270M の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Introducing Gemma 3 270M: The compact model for hyper-efficient AI 1. Gemma 3 270M「Gemma 3 270M」は、タスク固有のファインチューニングのためにゼロから設計されたコンパクトな270Mパラメータモデルで、強力な指示追従機能とテキスト構造化機能が既に学習済みです。 2. Gemma 3 270Mのコア機能・コンパクトで高機能なアーキテクチャ 合計270Mのパラメータを備えています。そのうち170Mは大規模な語彙サイズによる埋め込みパラメータで、1億個はTransformerブロック用です。256,000トークンという大規模な語彙により、このモデルは特定の希少トークンを処理でき、特定のドメインや言語に合わせてさらにファインチューニングできる強力なベースモ
GPT-5 の使い方｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Using GPT-5 1. 概要「GPT-5」は、これまでで最もインテリジェントなモデルであり、特に以下の分野で優れています。 ・コード生成、バグ修正、リファクタリング ・指示追跡 ・ロングコンテキストとツール呼び出し このモデルと同時にリリースされる「GPT-5」のAPIの新機能には、「Reasoning Effort の minimal」「verbosity」「カスタムツール」「allowed_tools」などがあります。 2. モデルについて「GPT-5」シリーズには3つのモデルがあります。一般的に、「GPT-5」は、広範な世界知識を必要とする最も複雑なタスクに最適です。miniモデルとnanoモデルは、一般的な世界知識をある程度犠牲にすることで、コストとレイテンシを低減しています。miniモデルは、より明確に定義されたタスクにお
Google Colab で gpt-oss を試す｜npaka
「Google Colab」で「gpt-oss」を試したのでまとめました。 1. Google Colab「Google Colab」は、Google が提供するクラウドベースの「Jupyter Notebook」環境です。ブラウザ上で手軽に Python コードを記述・実行でき、特に機械学習やデータ分析の学習・プロトタイピングに適しています。 2. gpt-oss「gpt-oss」は、OpenAIが開発したオープンウェイトのLLMです。 ・gpt-oss-20b 16GBメモリ搭載の一般的な環境向け。 メモリ16GB以上、ストレージ14GB。 ・gpt-oss-120b 高性能GPUを備えたハイエンド環境向け。 メモリ60GB以上、ストレージ65GB。 3. Google Colab で gpt-oss を試す「Google Colab」で「gpt-oss」を試す手順は、次のとおりです。
GPT-5 で OpenAI API のクイックスタート｜npaka
「GPT-5」での「OpenAI API」のクイックスタート手順をまとめました。 1. OpenAI API のセットアップ「Google Colab」での「OpenAI API」のセットアップ手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install -U openai(2) 環境変数の準備。 左端の鍵アイコンでOPENAI_API_KEYを設定します。 import os from google.colab import userdata # 環境変数の準備 (左端の鍵アイコンでOPENAI_API_KEYを設定) os.environ["OPENAI_API_KEY"] = userdata.get("OPENAI_API_KEY")(3) クライアントの準備。 from openai import OpenAI # クライア
GPT-5 の新パラメータとツール｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・GPT-5 New Params and Tools - OpenAI Cookbook 1. verbosity1-1. 概要「verbosity」は、出力トークン数を調節できます。 ・low : 簡潔なUX、簡潔な文章 ・medium (デフォルト) : バランスの取れた詳細 ・high : 詳細な情報。監査、教育、引き継ぎに最適 1-2. verbosityの効果の確認プロンプトを一定に保ったまま、「verbosity」を変更することで、効果を確認できます。 response = client.responses.create( model="gpt-5", input="人生、宇宙、そして万物に関する究極の問いに対する答えは何でしょうか?", text={ "verbosity": "low" } ) print(response
GPT-5 のモデルの一覧｜npaka
「GPT-5」のモデルの一覧をまとめました。 1. ChatGPT のモデル「ChatGPT」では、「Auto」「Fast」「Thinking」「Pro」の4つのモデルを選択できます。 ・Auto 考える時間を自動で最適化するモデルです。リアルタイムルーターが「Fastモデル」と「Thinkingモデル」を自動的に切り替えます。 コンテキストウィンドウは、Free : 8K / Plus : 32K / Pro : 128Kです。 ・Fast 即時応答するモデルです。 ・Thinking じっくり思考して高品質な回答を返すモデルです。 コンテキストウィンドウは、Plus : 196K です。 ・Pro 最上位のThinkingモデルです。高度で専門的な課題に強いですが、応答には時間がかかります。 ・レガシーモデル GPT-4oなどの過去のモデルを選択できます。 2. ChatGPT のモデ
LM Studio で gpt-oss を試す｜npaka
「LM Studio」で「gpt-oss」を試したのでまとめました。 1. LM Studio「LM Studio」はLLMをWindows/Mac/Linuxで簡単に実行できるアプリケーションです。 2. gpt-oss「gpt-oss」は、OpenAIが開発したオープンウェイトのLLMです。 ・gpt-oss-20b 一般的なローカルPC環境向け。 メモリ16GB、ストレージ14GB。 ・gpt-oss-120b 高性能GPUを備えたハイエンド環境向け。 メモリ80GB、ストレージ65GB。 ３. LM Studio で gpt-oss を試す「LM Studio」で「gpt-oss」を試す手順は、次のとおりです。 (1) LM Studioのサイトからインストーラをダウンロードしてインストール。 (2) 「LM Studio」の実行すると、「Download gpt-oss-20b」
gpt-oss の概要｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Introducing gpt-oss 1. gpt-oss「gpt-oss-120b」と「gpt-oss-20b」をリリースしました。これらは、低コストで強力な実世界性能を提供する、最先端のオープンウェイト言語モデルです。柔軟なApache 2.0ライセンスの下で利用可能なこれらのモデルは、Reasoningタスクにおいて同規模のオープンモデルを凌駕し、強力なツール活用能力を示し、コンシューマーハードウェアへの効率的な導入に最適化されています。これらのモデルは、強化学習と、o3やその他のフロンティアシステムを含むOpenAIの最先端の内部モデルに基づく手法を組み合わせて学習されています。 「gpt-oss-120b」は、コアReasoningベンチマークにおいて「OpenAI o4-mini」とほぼ同等の結果を達成しながら、80GBのG
gpt-oss の使い方｜npaka
以下の記事が面白かったので、簡単にまとめました。 ・Welcome GPT OSS, the new open-source model family from OpenAI! 1. gpt-oss「gpt-oss」は、OpenAIによる待望のオープンウェイトリリースであり、強力なReasoning、エージェントタスク、そして多様な開発者ユースケース向けに設計されています。117Bのパラメータを持つ大規模モデル「gpt-oss-120b」と、21Bのパラメータを持つ小規模モデル「gpt-oss-20b」の2つのモデルで構成されています。どちらも「MoE」(Mixture-of-Experts) であり、MXFP4を使用することで、リソース使用量を抑えながら高速推論を実現します。大規模モデルは単一のH100 GPUに収まり、小規模モデルは16GBのメモリ内で動作し、コンシューマーハードウェア
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
